R语言实用教程PDF电子书下载

第1章 R语言入门 1

1.1 R语言简介 1

1.1.1 R软件的下载与安装 1

1.1.2 初识R 2

1.1.3 下拉式菜单与快捷方式 4

1.2 向量 15

1.2.1 基本运算 15

1.2.2 数据对象 17

1.2.3 向量赋值 18

1.2.4 产生有规律的向量 19

1.2.5 逻辑向量 21

1.2.6 向量中的缺失数据 21

1.2.7 字符型向量 22

1.2.8 用vector函数生成向量 24

1.2.9 复数向量 25

1.2.10 向量的下标运算 25

1.2.11 与数值向量有关的函数 27

1.3 因子 28

1.3.1 factor函数 28

1.3.2 gl函数 29

1.3.3 与因子有关的函数 29

1.4 矩阵 30

1.4.1 矩阵的生成 30

1.4.2 与矩阵运算有关的函数 31

1.4.3 矩阵下标 33

1.5 数组 34

1.5.1 数组的生成 34

1.5.2 数组下标 34

1.5.3 apply函数 36

1.6 对象和它的模式与属性 36

1.6.1 固有属性：mode和length 37

1.6.2 修改对象的长度 37

1.6.3 attributes和attr函数 38

1.6.4 对象的class属性 39

1.7 列表 39

1.7.1 列表的构造 39

1.7.2 列表的修改 40

1.7.3 返回值为列表的函数 40

1.8 数据框 40

1.8.1 数据框的生成 41

1.8.2 数据框的引用 42

1.8.3 attach函数 42

1.8.4 with函数 43

1.8.5 列表与数据框的编辑 43

1.8.6 lapply函数和sapply函数 43

1.9 读、写数据文件 44

1.9.1 读纯文本文件 44

1.9.2 读取其他软件格式的数据文件 46

1.9.3 读取Excel表格数据 47

1.9.4 数据集的读取 49

1.9.5 写数据文件 50

1.10 控制流 51

1.10.1.分支函数 51

1.10.2 中止语句与空语句 52

1.10.3 循环函数 53

1.11 R程序设计 54

1.11.1 函数定义 54

1.11.2 定义新的二元运算 56

1.11.3 有名参数与默认参数 56

1.11.4 递归函数 57

1.11.5 程序运行 57

1.11.6 程序调试 59

习题1 61

第2章 数值计算 63

2.1 向量与矩阵的运算 63

2.1.1 向量的四则运算 63

2.1.2 向量的内积与外积 64

2.1.3 矩阵的四则运算 65

2.1.4 矩阵的函数运算 66

2.1.5 求解线性方程组 67

2.1.6 矩阵分解 69

2.2 非线性方程（组）求根 73

2.2.1 非线性方程求根 73

2.2.2 求解非线性方程组 77

2.3 求函数极值 80

2.3.1 一元函数极值 80

2.3.2 多元函数极值 81

2.4 插值 87

2.4.1 多项式插值 87

2.4.2 分段线性插值 88

2.4.3 分段Hermite插值 90

2.4.4 三次样条函数 90

2.5 数据拟合 93

2.5.1 最小二乘原理 93

2.5.2 求解超定线性方程组的QR分解方法 94

2.5.3 多项式拟合 97

2.6 数值积分 97

2.6.1 梯形求积公式 97

2.6.2 Simpson求积公式 98

2.6.3 integrate函数 99

习题2 100

第3章 R语言绘图 103

3.1 高水平绘图函数 103

3.1.1 基本绘图函数——plot函数 103

3.1.2 多组图——pairs函数 105

3.1.3 协同图——coplot函数 109

3.1.4 点图——dotchart函数 110

3.1.5 饼图——pie函数 113

3.1.6 条形图——parplot函数 114

3.1.7 直方图——hist函数 115

3.1.8 箱线图——boxplot函数 117

3.1.9 Q-Q图——qqnorm函数 119

3.1.10 三维透视图——persp函数 120

3.1.11 等值线——contour函数 122

3.2 图形参数 123

3.2.1 高水平绘图函数中的参数 124

3.2.2 图形参数的永久设置 124

3.2.3 图形参数的临时设置 125

3.2.4 图形元素控制 125

3.3 低水平图形函数 127

3.3.1 添加点、线、文字、符号或数学表达式 127

3.3.2 添加直线、线段和图例 130

3.3.3 添加图题、边与盒子 132

3.3.4 添加多边形或图形阴影 134

3.3.5 交互图形函数 135

3.4 图形参数（续） 136

3.4.1 坐标轴与坐标刻度 136

3.4.2 图形边空 137

3.4.3 多图环境 138

3.5 图形设备 143

习题3 144

第4章 概率、分布与随机模拟 146

4.1 组合数与概率计算 146

4.1.1 生成组合方案 146

4.1.2 生成组合数 146

4.1.3 概率计算 146

4.2 分布函数 147

4.2.1 分布函数 147

4.2.2 分位数 148

4.3 常用的分布函数 148

4.3.1 正态分布 148

4.3.2 均匀分布 150

4.3.3 指数分布 150

4.3.4 二项分布 151

4.3.5 Poisson分布 152

4.3.6 x2分布 154

4.3.7 t分布 154

4.3.8 F分布 155

4.3.9 R的内置函数 155

4.4 样本统计量 157

4.4.1 样本均值 157

4.4.2 样本方差 157

4.4.3 顺序统计量 158

4.4.4 中位数 159

4.4.5 分位数 159

4.4.6 样本的k阶矩 160

4.4.7 偏度系数与峰度系数 160

4.4.8 经验分布函数 161

4.5 随机抽样与随机模拟 163

4.5.1 随机数的生成 163

4.5.2 随机抽样 164

4.5.3 随机模拟 166

习题4 169

第5章 假设检验 172

5.1 假设检验的基本思想 172

5.1.1 基本概念 172

5.1.2 基本思想 172

5.1.3 两类错误 173

5.1.4 P值 173

5.2 重要的参数检验 173

5.2.1 t检验 173

5.2.2 F检验 176

5.2.3 二项分布的近似检验 178

5.2.4 二项分布的精确检验 182

5.2.5 Poisson检验 184

5.2.6 功效检验 185

5.3 符号检验与秩检验 189

5.3.1 符号检验 189

5.3.2 秩检验与秩和检验 191

5.3.3 尺度参数检验 196

5.4 分布检验 197

5.4.1 Pearson拟合优度x2检验 197

5.4.2 Kolmogorov-Smirnov检验 200

5.4.3 正态性检验 202

5.5 列联表检验 203

5.5.1 Pearson x2独立性检验 203

5.5.2 Fisher精确独立性检验 205

5.5.3 McNemar检验 207

5.5.4 三维列联表的条件独立性检验 208

5.6 相关性检验 210

5.6.1 Pearson相关检验 211

5.6.2 Spearman相关检验 211

5.6.3 Kendall相关检验 212

5.6.4 cor.test函数 213

5.7 游程检验 215

习题5 216

第6章 回归分析 223

6.1 线性回归 223

6.1.1 线性回归模型 223

6.1.2 线性回归模型的计算 225

6.1.3 预测区间与置信区间 227

6.1.4 其他函数 230

6.2 回归诊断 230

6.2.1 为什么要作回归诊断 231

6.2.2 残差检验 232

6.2.3 影响分析 236

6.3 Box.Cox变换 240

6.4 多重共线性 243

6.4.1 多重共线性现象 244

6.4.2 岭估计 245

6.5 逐步回归 247

6.5.1 “最优”回归方程的选择 247

6.5.2 逐步回归的计算 247

6.6 稳健回归 251

6.6.1 稳健回归的基本概念 252

6.6.2 稳健回归 253

6.6.3 抗干扰回归 255

6.7 非线性回归 257

6.7.1 多项式回归 258

6.7.2 局部多项式回归 260

6.7.3 非线性回归 262

6.8 广义线性回归模型 265

6.8.1 glm函数 266

6.8.2 Logistic回归模型 267

6.8.3 Poisson分布族 271

6.8.4 正态分布族 273

习题6 274

第7章 多元统计分析 281

7.1 方差分析 281

7.1.1 方差分析的数学模型 281

7.1.2 方差分析的计算 284

7.1.3 多重均值检验 289

7.1.4 与方差分析有关的函数 291

7.1.5 方差分析的进一步讨论 293

7.1.6 秩检验 295

7.1.7 协方差分析 299

7.2 判别分析 301

7.2.1 判别分析的数学模型 302

7.2.2 判别分析的计算 302

7.3 聚类分析 306

7.3.1 距离和相似系数 306

7.3.2 系统聚类法 308

7.3.3 类个数的确定 314

7.3.4 实例 315

7.3.5 K均值聚类 319

7.4 主成分分析 320

7.4.1 主成分分析的数学模型 320

7.4.2 主成分分析的计算 321

7.4.3 主成分分析的应用 326

7.5 因子分析 330

7.5.1 因子分析的数学模型 330

7.5.2 因子分析函数 331

7.5.3 因子分析的计算 332

7.6 典型相关分析 339

7.6.1 典型相关分析的数学模型 340

7.6.2 典型相关分析的计算 340

习题7 342

第8章 多元分布 352

8.1 基本概念 352

8.1.1 多元分布函数与概率密度函数 352

8.1.2 多元正态分布 352

8.1.3 与多元正态分布有关的R函数 353

8.2 样本统计量及抽样分布 357

8.2.1 样本统计量 357

8.2.2 抽样分布 359

8.3 多元正态总体均值向量的检验 360

8.3.1 单个总体均值向量的检验 360

8.3.2 两个总体均值向量的检验 360

8.3.3 R中的均值检验函数 361

8.4 扩展包中的其他函数 365

8.4.1 多元t分布 365

8.4.2 多元非参数检验 366

8.4.3 多元正态性检验 370

习题8 370

索引 373

参考文献 384